目前在基于二分网络的推荐算法研究中，关注更多的是推荐的短期性能，而在现实生活中，对每一个用户的推荐是一个长期的过程，在线网络会随着时间的推移而发展，并且用户在购物时往往有求新的消费心理，因此长期推荐的多样性也需要更多的关注。针对这些问题，将短期推荐中表现良好的经典算法应用到长期推荐中，发现长期的推荐多样性和准确性逐渐变差；为了改善长期推荐的表现，设计了一个融合时间因子的推荐算法，并将其应用到长期推荐中；实验结果表明，提出的算法在不损失推荐准确性的前提下，显著提高了长期推荐的多样性。
科研之友
微信
新浪微博
Facebook
分享链接
